对预测的Java对象辈子
肇井上，米里stefanovi c ，会员的IEEE ，和Stephanie福里斯特，会员的IEEE
摘要-准确预测对象的寿命是很重要的改善记忆管理系统。目前垃圾收集
相对粗粒的预言（例如， "短命"和"长寿命" ） ，并依靠应用独立启发式
有关地方特色的分配。本文介绍了一种预测方法，是完全准确，使得其
预言基于特定应用的培训，而不是应用独立启发式。由"完全准确" ，就是实现了
粒度的预言是相等的最小单位分配。所述的方法，是第一家结合了高精确度和
效率，在一个单一的寿命预估。全面准确预报，使我们，这是第一次，以研究零一辈子的对象。文件
报告结果显示零一辈子物体的重要组成部分物件分配基准程序，为
Java编程语言和表示，他们是与它们的分配语境（调用栈和分配旧址） 。超越zerolifetime
物体时，文件报告结果预测较长的居住对象，而在某些情况下，这是可以预测的寿命
物体根据其分配的背景下（调用栈和分配旧址） 。为规范基准节目中，有多少个
动态分配的对象，其要求的地点有准确的预测范围之内，由0.2 ％至61 ％ 。这种方法可以
潜在性能的改善垃圾收集。该文件提出了一个死命令的收藏家（ DOC ）的，并分析了其
实施间接及其尽可能最佳的性能。这项研究显示，如何记忆体效能，可提高使用
额外提供的资料完全准确的预测。
指数计算物体在有生之年，工作量表征， pretenuring ，面向对象编程语言，垃圾收集，
程序行为。
？
导言
垃圾收集的语言，如C ＃和Java等，是
越来越重要。垃圾收集（ GC ）的好转
开发人员的生产率，都不再需要
外显记忆填海区，从而消除
重要的来源编程错误。然而，
垃圾收集的语言招致增加开销
，因此，要改善他们的表现
对于以持续成功的，这些语言。
许多算法已提出过几次
数十年以来，气相色谱法，发明了，但他们的表现
已大量应用依赖性。举例来说，
菲茨杰拉德和塔尔迪蒂显示，一个垃圾回收器
必须加以调整，以适应计划[ 1 ] 。另一种做法
依靠较大的堆的大小和根本背道而驰收集
算法不那么频繁。不过，这并不总是
产生更好的绩效[ 2 ] 。气相色谱法通常算法
做出某些假设有关辈子的
申请的对象，并针对收集算法
这些假设。如果假设是不传染的，
业绩不佳的结果。什么是需要的是
有能力作出准确和精确预测
物体在有生之年，并把这些预言成
一般的GC算法，工程以及为广泛的
申请。
间接的气相色谱法相比，明确deallocation ，
源自成本的确定哪些物体仍在
活跃（现场直播） ，并不再需要（死亡） 。气相色谱法
算法，因此，去一些长度，以收集地区
记忆体大多死亡。理想的垃圾回收器
将收集所在地区的所有物体最近去世，使
这堆太空是没有白费的，由死者的物体和生活
物不属于加工不必要的。要做到这一点，
分配表，将需要知道确切的死亡时间的一个
物体的时候，它被分配，然后它可以拨
这一个地区，所占用的物体具有相同的死亡时间。
至目前为止，此项工作现已完成，只有在一个有限度地
由一个过程，所谓" pretenuring " 。 pretenuring算法
使粗大的预言对象辈子，预测
其中分配将导致长寿命的对象，然后
分配给他们的地区，是不是经常收集。
举例来说，在布莱克本等人。奇摩pretenuring计划[ 3 ]
对象分配到短命的，寿命很长，与永恒
地区。正如本文将显示，无法预测
辈子恰恰是一个障碍，以理想的垃圾
收藏家。
现代语言运行时环境，提供一个
财富仿形机制，以调查该国
申请。在虚拟机（船民）的环境中，如
由于C ＃和爪哇，剖面是一个重要的组成部分（准时化）
编制过程，并可能被利用来改善
高性能的所有越南船民组成部分。在这篇文章中，我们查看
如何分配-站点信息提供给船民可
杠杆比率，以改善对象寿命的预测及如何
这种能力可能受到剥削，由JIT编译器和
收集系统。
该组织的这份文件具体内容如下：第一，我们
证明有显着相关
国家对栈上分配点和分配
880的IEEE交易电脑上，第一卷。 55 ，没有。 7 ， 2006年7月
。每小时井上是与学校的计算机科学，卡尔顿大学，
赫兹伯格建设， 11时25分，由上校驾驶，渥太华，安大略省， k1s 5b6
加拿大。电子邮箱： 。
。四stefanovi C和美国福里斯特分别与计算机科学系，
msc01 1130名， 1新墨西哥大学，阿尔伯克基，新墨西哥州87131 -
0001 。电子邮箱： （米，福里斯特） @ cs.unm.edu 。
手稿收到2003年12月19日;修订2004年12月16日;接纳12月7日
2005年在网上公布2006年5月22日。
信息获取转载这篇文章，请发送电子邮件至：
，并参考ieeecs登录号码- 0291年至1203年。
0018-9340/06 /二十○点○○二○○六美元的IEEE出版的由IEEE计算机学会
物体的一生。接下来，我们描述了如何这方面的资料
可以用来预测对象辈子当时，他们正
分配完毕。然后，我们显示，有显着比例的
对象是零一辈子。接下来，我们分析的行为
一个假设性的混合选区（死亡下令收藏家）
利用我们的预测方法，检查其执行情况
间接成本，竟将其最佳的情况下的行为。最后，我们
比较我们的研究结果与相关工作，并讨论其他
应用潜力。
二对象寿命预测
我们的方法是启发，巴雷特和佐恩的工作
对象寿命预测在C应用[ 4 ] 。特别是，
两种方法都使用类似的资料，预测是
建造同样使用运行简况，我们有
通过他们的"自我预测"的考验。此外，我们已
几次扩建工程。首先，我们用的是垃圾
回收的语言， Java的，其中deallocation是含蓄了。
第二，我们推行了全面准确的预测;巴雷特
和佐恩只用了两个回收箱-短期和长期的居住。最后，
我们已进行了较详细的分析，内容
形成散装这份文件。
如前所述，一个目标对象的一生
预测是，以提高性能，提供运行
咨询，以内存分配子系统约一
反对的，可能在一生的时间，这是分配。同样
以巴雷特和佐恩，我们完成这项工作，由建设
对象寿命预估指出，它预测
资料显示，在分配时间。这包括
语境的配置要求，即，动态
序列的方法调用，导致了这一请求，并
实际类型的对象被分配完毕。我们所说的，这
信息作为分配的背景下，如果观察辈子
所有的物体具有相同配置的背景是相同的，
那么，预估应预测值在运行时为
所有的对象分配地盘。
我们尚未整合，我们预测到
内存分配子系统，所以我们的测试是轨迹驱动
而不是表现在运行。如果能够得到全面实施，我们的
系统的运作，同样以其他简介驱动
优化系统。首先，一个小的训练来说，将
用来产生预测，而不是采伐迹。
随后运行，然后用预估为
各种优化下文讨论。
我们认为，在两种情况下的预测：自我
预测与真正的预测。自我预测[ 4 ]使用
同样的程序跟踪训练（预估建造）作为
为测试（预估使用） 。自预报提供了一个初步
测试的假设，即分配的语境是好的
预测对象有生之年实现这一目标。虽然自我揣测并不
预测什么新的东西，它使我们能够研究在多大程度上
其中国家的栈是与寿命
对象分配在这一点上。这提供证据
真正的预测是可能的。真正的预测是较为
现实的情况下，在一间小型训练追查是用来
构建预估，以及不同的较大微量（生成
从同一程序，但使用不同的投入）
用于试验。如果自我预测业绩欠佳，那么
真正的预测是不可能得逞的。但是，准确的自我
预测中，并不一定意味着真正的成功
预测。虽然我们有没有分析，它在细节，
我们期待着这次后者而言，是最可能发生在
大量数据驱动程式。
负载对内存管理子系统
定堆分配和死亡的事件，这是
独立于其他运算的影响，这一计划。
因此，在一生中的一个对象，在气相色谱法研究会是
定字节数的新的记忆体。
之间的分配它的诞生和死亡。更多
具体而言，物体的一生，是被界定为总和的
大小与其它物体之间的分配给定对象的
分配和死亡的，它主要体现在字节或字。
我们评估预估业绩用4个定量
措施：精确，范围，准确性和大小：
。精度是粒度的预测中的bytes.a
全面准确预估精密1字节，例如，它
可能预测某一分配点总是
产量物体一辈子10304个字节。较少
准确预报预测可能从一组几何
比例回收箱，如8,192-16,383 （我们
提及这些颗粒预测因素） ，或者是，我们
以前所说，从一个小的一套回收箱等
短命的，寿命很长，和永恒。我们的目的是要
实现高精度（窄幅波动） 。在实践中，
理想的精度将取决于如何记忆
配置子系统，利用预言。
。涵盖面的百分比为对象，其中
预估作出了预测。我们构建
预测因素，使他们做出预测只为
分配的背景下，可以预见高
信心。因此，在某些情况下，预估将
没有预测，而不是只有一个，就是不太可能
以正确的，以及记忆体分配子系统
将需要一个后备分配策略，为这些
例。尽管决定预测是百分之
分配地盘时，自然衡量覆盖是
百分比的实际用途拨款的事件是
预言（动态计数） ，而不是百分比
地点在哪一个预测，可以取得（一
静态计数） 。理想的情况下，涵盖范围应高
可能的。
。精度的百分比，就是预言物体
预测正确。这就是，在所有的物体
分配在运行时，为其中一个预测是，
有些人有一个真正的一生中属于在同一个
射程为预测寿命;范围界定
由精确参数。准确度应为
尽可能地高。
。尺寸是多少作品中预估，那里
反馈意见的一个广义的分配网站
并预测该网站。由于预估
应负有空间和时间开销在运行时，规模较小
大小都更好。
有有趣的权衡取舍之间的精确度，范围，
精确度高，规模不大。举例来说，要预测
选择范围和精确度。增加
预估尺寸（添加更多参赛作品）允许或者更大
报道（列明预测物体以前未
盖）或更高的精度（通过指定
井上等：对预测的Java对象辈子881
不同的预测，这些物体） 。也有一些
显而易见贸易小康之间的覆盖面和准确度。
我们构建的预测分两个阶段进行。首先，我们收集了一个
执行追踪每个程序，然后我们构建
预估本身。微量包括准确记录每
对象分配和死亡。每个分配活动，我们
记录对象标识的，其类型，并执行
语境。执行的背景下，代表国家对
整个堆在时间的分配，构成了
标识符的方法和字节偏移，储存
整数。我们参考这方面的资料，作为栈字符串。在
大多数情况下，我们能够减少信息量，由
录音只有顶部少数作品栈（栈
字符串前缀，或ssp1 ）的影响进行研究，更改
这么长的前缀。每死亡事件，是有记录到一个
精度为1字节。这充分精度是独一无二的对象
一生的痕迹，垃圾收集的语言。反对辈子
文献报告中，几乎总是有颗粒状
粒度为垃圾收集语言[ 3 ] 。这是
因为反对死刑的活动，只能被发现，在
收集站及收藏品都是相对生疏。我们
用了一个实施的Merlin一代微量
算法[ 5 ]内部jikesrvm开放源代码Java虚拟
机[ 6 ]搜集充分准确的对象寿命数据。
梅兰作出绝对准确的实际，不执行
频繁的垃圾藏品。相反，它imprints戳
对物体在记忆的根，当分配
occurs.2在收集，一个对象的死亡时间，可
计算所定的最后戳在
传递闭的一组对象。
预测构成了一套预估参赛作品。 1
预估入境是一个3元组<ssp, type, lifetime> ，正如
显示图。 1 。微量元素，是用来建造一个预估
相应的程序。就是一个条目添加到
预估当且仅当所有辈子在训练
相应的SSP和类型是一致的。这
意味着，如果任何两个物体分配在同
分配网站有不同的寿命，或发生碰撞，
预估将不会作出预测说，分配地盘。
这种类型的预估计算效率高和
可调。举例来说，通常单身称霸
预估并增加其大小。单身
参赛，其中只有一个对象被分配在
训练，所以并没有发生碰撞，可以消除了他们。这些
参赛作品可能被拆除，以形成一个较小的预估
未经大大减少覆盖面（因为每一个参赛作品。
用如此少见） ，如图所示，在图。 4.3更先进
策略，也可以设计出最佳的平衡
范围和规模。
我们考虑以下3个方面的寿命预测：
。全面准确寿命预测。对象寿命
预计到确切字节。
。粒状寿命预测。低精度
办法，其中预估回收箱辈子
根据该计划彬？ log2elifetime吨排放计划。
因为大部分物体英年早逝，有效
精度这种方法仍高。
。零寿命预测。预测只是预测
零一辈子对象（那些死在下次
对象分配） 。我们发现有些基准
产生了一大批零一生
物体。预测零一辈子物体是一个很有意思的
子的完全精确的预测。
我们说明了这些概念和权衡，就
例如基准pseudojbb.4图。 2显示如何预估
覆盖范围和规模，在很大程度上依赖于过磷酸钙长度，因为它是多样
从0至20 ，我们充分利用精确的寿命预测和
单身被保留在预估。图。二地块
过磷酸钙长度沿横轴。每个策划过磷酸钙
价值，我们合成了一种预测，从训练得无影无踪。
预测的范围，即百分比对象
分配在追查其中的预测作出了
预测中，是策划沿纵轴。预估
覆盖率提高了越来越过磷酸钙长度随着越来越多的
资料，以供disambiguate分配的语境。
但是，这种影响高原上过磷酸钙约长10 ，
暗示10是一个充分过磷酸钙长度。图。 2还
显示出增长的预估规模，即有多少
参赛作品，由于人们日益过磷酸钙长度。
图。三，让我们看看效果去除单身
从预估。值得注意的是，预测涵盖面几乎
不变，但预估人数急剧减少。
不包括单身揭示有趣相依
882的IEEE交易电脑上，第一卷。 55 ，没有。 7 ， 2006年7月
图。 1 。一个单一的预估入境：过磷酸钙描述的执行路径的
该程序。每个整数编码方法和立场，内部
方法在下方法调用。整个弦乐指分配
网站。所有字节数组（ JVM的类[二）获配这个栈字符串前缀
过了一生的64个字节。
图。 2 。效果栈前缀长度就预估规模和范围
为例子基准pseudojbb （包括单身） 。
1 。这是不容混淆与上司堆栈指针，其中有
同样的缩写。
2 。记忆的根是参照对象，程序，可以
直接操控。例子是选民登记册及，特别是在爪哇，
提到在节目栈。
3 。基准周长从爪哇古组曲[ 7 ] ， [ 8 ]用在这里
因为它显示了行为原型。 4 。第3节描述了所用的基准，在我们学习。
其中过磷酸钙长度，预估规模，和覆盖面。有一个
贸易小康之间的碰撞和单身人士-如果是过磷酸钙
太短，有太多的物体相撞;如果是太长了，过磷酸钙
转换进入单身人士和bloats预估
大小。这种作用是体现在周边基准，
显示图。 4 ，其中有一个最高约为过磷酸钙
全长8 ，然后衰变到一个高原。最高
划分制度的碰撞，就在左边，而该制度
单身人士，以正确的。
我们报告结果，在物体计数，而不是字节
因为我们感兴趣的是如何做好预报
的表现而定。对象计数是自然的单位，这
考虑。然而，字节通常用在垃圾
收藏家文学与我们搜集这些数据以及与
类似的结果。这就是说，物体大小并不显着
相关能否预测对象有生之年实现这一目标。
三基准和实验试验
我们报告的数据就specjvm98和SPECjbb2000是
基准。我们还收集了有关爪哇欧登
基准[ 9 ] （数据未显示） ，但它们的大小，合成
自然产生离群行为。该规范基准
构成有用的"真实世界"节目（除
的分贝，属于一种合成基准建造，以模拟
数据库查询） ，并打算以代表
实际应用上运行的Java虚拟机器。他们是
写在各种编程风格，并可以行使
堆不同。为详细的研究，个人
基准'记忆行为，见dieckmann和何¨ lzle
[ 10 ] 。表1描述了个别的基准和
表2给出了一些一般性的运行特征分析
基准。
我们采用了jikesrvm Java虚拟机版本2.0.3
来自IBM 。具体配置是optbasesemispace
与梅兰扩建[ 5 ] 。这就是说，
优化编译器被用来编纂船民和
基线编译器编译基准。该气相色谱法
默认semispace收藏家（虽然注意了
产生的微量是独立的集电极使用） 。
四自我预测
自预报考验预估使用相同的微量元素，从
它所建造的。因此，预报精度不
一个问题-如果预测作出了预测，它会
正确的。感兴趣的是权衡取舍之间的精确度，
覆盖率高，规模不大。我们报告结果进行全面的精度和
对数粒度的，我们考虑的影响
包括或不包括单身，从预测。
表3显示的结果。每个基准，一套
初步运行进行了确定最佳
过磷酸钙值（显示在栏目标记的"过磷酸钙" ） 。该
过磷酸钙最优值确定，分别为充分
精密和对数例。
4.1完全准确的自我预测
结果，为全面准确的自我预测（确实粒度）
显示在左侧的一半表3中，为预测指标与
无单身人士。
4.1.1预测因子包括单身
所有的基准，显示了某种程度的覆盖面，特别是
就在这种合成的基准分贝。大于50 ％
井上等：对预测的Java对象辈子883
图。 3 。效果栈前缀长度就预估规模和范围
为例子基准pseudojbb （不包括单身） 。
图。 4 。效果栈前缀长度就预估规模和范围
为爪哇古代基准周长（不包括单身） 。
表1
基准，并有简短的描述
什么样的，他们计算
第一组包含specjvm98基准和第二
组包含SPECjbb2000是基准。
涵盖面取得了压缩， mpegaudio ， mtrt ， pseudojbb ，
和杰克和20 ％以上对其余两个，
陈燕萍和javac 。预测取得更大的百分之九十以上
报导只分贝。从我们的经验与DB和一套
规模较小的基准不报，在这里，我们相信
非常高覆盖数字并不那么典型的现实
申请。这些结果表明完全准确
预测可以达到合理报导一些，但
不是所有的应用程序。正如我们将看到的，但是，即使
温和的范围可能有益（第8条） 。
4.1.2预测因子排除单身
当单身条目被删除，从预测因子
（栏目4-5 ，在表3 ） ，我们预期覆盖率下降，但
我们想知道是多少。
两项基准，压缩和mpegaudio ，有预测因子
这包括大批单身人士。涵盖范围
每滴大约一半的时候，单身是
被排除在外。对于剩下的，覆盖面下降不到一
个百分点，而人数预估作品缩水
戏剧性：最小的跌幅是百分之三十下降
javac ，而分贝是不到1 ％ ，其以往的规模。该
平均跌幅在尺寸大于76 ％ 。再次，分贝
可反常，因为它是合成。
虽然其他研究的寿命，如哈里斯[ 11 ]
根据预测，只有对现行方法和类型，我们
没有发现基准哪种仅足以
产生的预测有显着的报道。基准
陈燕萍和mtrt至少需要方法遏制
分配网站（过磷酸钙的长度一）为有显着
覆盖和休息需要更多。或许类型是不
需要在所有的，但它disambiguates分配稀有
案件的不同类型，是分配在同一分配
点。注意，我们用的是流量敏感的概念了
栈，录制两法和字节偏移
每次通话。
概括地说，完全准确的预测范围
相当一部分的所有基准。与单身
被排除在外，预测仍然有显着的报道
同时减少的人数参赛作品平均
76 ％ 。
884的IEEE交易电脑上，第一卷。 55 ，没有。 7 ， 2006年7月
表2
痕量统计
每个追查，物体的数目分配（第3栏）和总规模都分配对象（第4栏）给出。第五栏显示
人数分配表;每个站点是算只有一次，即使签一次以上，与网站不会被处死，在这些特殊
运行没有什么不好。最高段的表列出的痕迹，用于自我预测研究（第4条） 。底部的一部分，该表列出
训练的痕迹，用在真正的预测研究（第5条） ;痕迹，从最高层的科重新用于测试的真正预测。
表3
自我预测结果
前两栏的完全准确和对数粒度让结果以预测因素包括单身者使用过磷酸钙的长度20个，其中两
例外情况：陈燕萍和javac ，为此，我们采用了较大的过磷酸钙价值报道，在第五纵队。
4.2对数粒度
正如我所期望者，表演者的颗粒状
预测因素，还表现在表3中，是较充分
精确的预测，因为这是一个比较容易的问题。
改善覆盖范围之内，由分贝的不少于
1 ％至javac的大于60 ％ 。平均
七％的改善。该行为的颗粒状
当预测因子去除单身是相似的完全
确切的情况。唯一的戏剧性变化是，在压缩，其中
象其余的基准; mpegaudio依然
离群。
由于其对数斌大小，预测均
高度精确的，为大量的短命的物体。
粒状预言已经更为迫切的应用
较确切的案例，因为训练期，而在
原则上，演出更迅速而不必依赖
关于梅兰algorithm.5我们专注于确切的情况下，
然而，由于我们预期信息准确
行为将展现新的渠道，为优化。
4.3变异
我们研究了一个更广泛的定义的预估，在其中
预测辈子处理不同的过每
分配作为一个算术级数。举例来说，
考虑一个回路分配对象的一个特定类型
一个链表。当环路出入口，有些计算
演出名单中，这是当时的搜集。每个对象
河套已一辈子是低于其前任所
常数是大小的物体。处理好这个，我们
需要预测采用的分歧。更正式地，
预估作品成为四元组<过磷酸钙，类型，一生中，
增量> 。一生没有设置在训练中，除非
增量被查出为零。这是每一个更新时间
一个物体分配加入增量。在我国
例如，一进入预估将可创造，如果每个对象的
寿命差异由一个不断增量的顺序
它被分配完毕。预测的寿命会
初始化，由第一个对象分配测试过程中。
随后的预言会被加入
增量（这将不利美元）的寿命。注
这绝对寿命的预测，不能在网上进行
直到后第一个对象匹配的条目已经死亡。
有趣的是，这一新的预测并没有表现良好
对于任何的基准。我们发现，只有一个基准
为此它做得好， em3d从爪哇古组曲，
其中微分拨款占36.39 ％
所有的预言。这不是一个很好的指标预测
实力，不过，因为几乎所有的这些物体
单身人士。至于其他的基准，调高
预测能力平均为1.1 ％ 。
另一个变化是利用优化编译器都
对于运行时间和基准（ optoptsemispace
配置） 。我们测试过这种变化，并对结果进行
定性类似早先的实验（数据，而不是
如图所示） 。
五真实预测
巴雷特和佐恩发现真正的预测精度高
对于基准有高覆盖在自我
预测中，并没有数据驱动的。我们测试过真正的预测
对一个子集的基准来看看这
持有相关程度较高的精度。我们用
陈燕萍， javac ， mtrt ，千斤顶，并pseudojbb 。我们用过磷酸钙长度
指定表3和包括单身人士。虽然这
是不是一个详尽的研究，它表明真实
预测做得好，结果可比向
巴雷特和佐恩学习，即使有了更严格
要求全面精确。
结果为五个例子列在表4 。为
双方都充分准确和对数粒度，所有的
的预测非常准确。三个基准，
然而，精度高，是在价格的范围。
报导说是微不足道，为陈燕萍， javac ，并mtrt 。其他
基准的预测显示出相当大的报道。该
差异报导可能是由于程度
该计划是由数据驱动。举例来说，训练
运行陈燕萍颇为不同，其试运行。在pseudojbb ，
唯一不同的是，这么长的运行。尽管不是
巨细无遗，这些例子让证据表明高
准确的，真实的预测是有可能的一些应用
而且，当精确的预报是可能的，这是非常
准确的。
六零一辈子物体
一场零和寿命的对象是拨，然后去世前
明年物体分配。我们的能力，以研究对象辈子
充分精确，让我们学习的行为zerolifetime
物体。
表5显示了一小部分零一辈子物体
所产生的每一个基准和小部分
我们能够预测采用自我预测。
有趣的是，很多的基准拨出大
有多少零一辈子的对象。
所有的规格基准，产生了较高的比例。
零一辈子的物体，与javac分配，至少在
13 ％ 。我们探索的潜在后果，这
结果在第8条中。
井上等：对预测的Java对象辈子885
5 。这可完成使用世代收藏家中
收集整整一代人是被迫在时间的倍数，其以往
一代。培训期间，举例来说，第二代会
收集一次，每两集苗圃为对数
粒度与基地规模的苗圃。这使得为pretenuring
优化型，但属于短期的"理想"的垃圾收集。
表4
真正的预测
范围和精度的预测产生的一个基准
运行使用一个较小的投入，双方都充分准确和对数
粒度对一个单独的，较大的基准。覆盖是
百分比的对象，对此我们作出预言和准确度
百分比，而这些对象，为我们的预测寿命是正确的。
七日预测和对象类型
为了研究如何预测结果，是受一个
物体的类型，我们制定了一个简单的分类
分配对象根据自己的类型。我们用
下列几类：应用类型，图书类型，并
虚拟机种（因为虚拟机，我们使用的是
写在Java本身） 。图书馆类型，是那些班
属于Java的层次。船民班都是很容易
确定自己的越南船民的前缀。应用班都是
等。
如表6显示，全球覆盖（定义为更大
百分之九十以上） ，通常与高覆盖
的应用类型。这是有道理的，因为申请
各类主宰对于大多数基准。例外，小勺
和DB ，拨出许多图书馆的类型，专业性也高
报道。预测的涵盖范围将取决于它是否能够
预测类型所造成的应用程序行为，而不是
超过潜在机制的编译器或船民。
仅供参考：
what's so significant about a computer's ability to store
instructions? Take a moment to think about the way you use a simple handheld calculator to balance your checkbook each month. You're forced to do the calculations in stages. Although you can store data from one stage and use it in the next stage. you cannot store the sequence of formulas-the program required to balance your checkbook.
计算机缘何能够存储指令？首先，让我们看一下您每个月结算账单时所使用的那种简易计算器。使用这种计算器时，您必须按步就班的进行计算。虽然这种计算器可以将当前计算步骤中的结论存储起来，用于下一步计算，但是它无法存储一系列的计算公式--用于结算账单的程序。
Every month. therefore. you have to perform a similar set of
calculations. The process would be much simpler if your calculator remembered the set of calculations you needed to perform, and simply asked you for this month's checkbook entries.
每个月您都得重复进行类似计算。您要进行哪些计算，如果计算器能够将它们记住的话，您工作起来将事半功倍，只需输入当月账单上的原始数据就可以轻松搞定了。
Early "computers" were really no more than calculating devices, designed to carry out a specific mathematical task. To use one of these devices for a different task, it was necessary to rewire its circuits -a job best left to an engineer.
早期的“计算机”只是是计算设备罢了，只能执行特定的数学计算。执行不同任务时，需要对其电路进行重写---这项工作一般由工程师完成。
In a modern computer. the idea of stored program means that a series of instructions for a computing task can be loaded into a computer's memory. These instructions can easily be replaced by a different set of instructions when it is time for the computer to perform another task.
现代计算机中的存储程序概念表示用于执行计算任务的指令序列可以载入计算机主存。当计算机执行不同任务时，不同指令序列可以轻松替换当前的指令序列，进行新的计算。
The stored program concept allows you to use your computer for one task, such as word processing,and then easily switch to a different type of computing task, such as editing a photo or sending an e-mail message. it is the single most important characteristic that distinguishes a computer from other simpler and less versatile devices, usch as calculators and pocketed-sized electronic dictionaries.
通过存储程序概念，您可以使用计算机进行字处理，也可以轻松切换到图像编辑或电子邮件发送等其它类型的计算任务。存储程序概念是区分计算机与计算器和袖珍电子词典等其它功能较简易的电子设备的唯一区别，同时也是最重要区别。
Abstract: A firewall is a technological measure developed in recent years to protect the security of a computer network, it's also the most widely used technology of a network security protection now. A firewall is one or a set of system to access controling policies, it can be software, hardware or a combination of them, whose aim is to provide security protection for the network. A firewalls is usually located between internal and external networks, and it can monitor, control and change communications in the internal and external networks, and controling external computers can visit internal protected environment and determine the access time, authorities, the types of service and quality.It checks the spread of the internal information to avoid the outflow of confidential information and resist external invasion and prevent internal information leaking. This paper presents the importance of firewall configuration in the network security, and explains that the set of firewall rules is an important measure for firewall product security.
Key words: firewall,configuration,network,security
